Más rápido no es lo mismo que mejor

Si usas IA en tu trabajo de diseño, seguramente ya lo has notado: tareas que antes ocupaban una tarde ahora se resuelven en una hora. Pero ir más rápido no siempre significa llegar a un resultado mejor. Esta semana, Nielsen Norman Group publicó una encuesta que pone cifras a esa diferencia, y merece una lectura atenta.

Reúne las respuestas de 521 profesionales de UX, recogidas entre agosto y septiembre de 2026. Casi todos tienen acceso a herramientas de IA (más del 99%), y dos de cada tres usan al menos una herramienta agéntica, capaz de ejecutar tareas en varios pasos. En cuanto al tiempo, la valoración media es de 4,2 sobre 5, donde 3 significa que no cambia nada. La IA ahorra tiempo en casi todo lo que hacen.

El ánimo, en cambio, no acompaña. La valoración media sobre cómo se sienten con la IA en su trabajo es de 3,57 sobre 5, apenas por encima de neutro. Y el 69% de quienes dejaron un comentario expresaron algún matiz negativo. Los problemas que más aparecen son la calidad del resultado, que obliga a revisar y corregir mucho, y la presión de las organizaciones para usar la IA y medir cuánto se usa.

El tiempo ahorrado no se queda con quien lo ahorra

Este es el dato que más nos interesa. Según la encuesta, el tiempo que se gana en una tarea suele acabar en otra parte: se pide más producción, o alguien tiene que revisar lo que generó la IA en el trabajo de otra persona. Un prototipo que sale en minutos pero cuesta días hacerlo usable no es un ahorro. Es un coste que se traslada a otro.

Por eso creemos que la pregunta no debería ser cuánto tarda cada persona en cada tarea, sino cuánto tarda el conjunto en sacar un trabajo que funcione. Es una medida menos cómoda, porque obliga a mirar el proceso completo, pero es la que dice si la IA está mejorando las cosas.

Dónde encaja y dónde todavía no

La IA se usa mucho menos cuando hay personas de por medio. Solo un 11% usa entrevistas con IA, otro 11% usuarios sintéticos, y algo más de la mitad nunca la usa para probar diseños con usuarios reales. Tiene sentido: puede ayudar a redactar la guía de una sesión, pero no la acorta, y no sustituye lo que aparece cuando alguien se equivoca en un flujo.

Nosotros hemos estado del otro lado, dentro de equipos internos de marcas grandes, y sabemos que el criterio de un proyecto nace de entender el problema. Usamos IA donde tiene sentido y como compañera de equipo. Pero qué merece la pena automatizar lo decidimos nosotros, no la herramienta.

Qué haríamos con esto

Empezaríamos por medir el sistema y no la tarea. Para cada entregable, conviene preguntar cuánto tiempo pasa desde el primer borrador generado hasta que está listo para usuarios, incluida la revisión. Esa cifra cuenta una historia distinta a la del ahorro por tarea.

Después, tratar el resultado de la IA como un borrador. Si la herramienta entrega una pantalla o un bloque de código, la revisión tiene que estar en el plan desde el principio. Si no está, la paga alguien más tarde, normalmente con prisa.

Y, sobre todo, devolver el tiempo ganado al trabajo. La encuesta destaca a quienes usaron ese tiempo para mejorar el resultado, no solo para producir más. Ahí es donde la IA deja de ser un atajo y se convierte en una mejora real.

Si la próxima semana tu equipo recibe otro prototipo generado en minutos, pregunta una cosa antes de celebrarlo: cuánto cuesta dejarlo listo. Esa respuesta dice más sobre la IA que cualquier porcentaje de ahorro.

Fuente: Maria Rosala y Rachel Banawa, “AI in UX: Work Is Faster, But Practitioners Have Mixed Feelings”, Nielsen Norman Group, 23 de octubre de 2026.